熊猫中不规则时间序列的rolling_sum？

【问题标题】：rolling_sum for irregular time series in pandas?熊猫中不规则时间序列的rolling_sum？
【发布时间】：2013-10-09 03:12:12
【问题描述】：

我有一个不规则采样的时间序列，我想在上面使用像 pandas.stats.moments.rolling_sum 这样的函数。

不幸的是，该函数看起来只能返回“x”个样本，而不是“x”秒。

不知道如何解决这个问题……对 pandas 来说还很陌生。

我的数据看起来像

time     value
0.000    0.0000
0.013    0.0134
0.023    0.0256
0.035    0.0423
0.049    0.0756
0.069    0.0998

【问题讨论】：

这些是 timedelta 时间吗？浮点型时间，还是实际时间（日期型）？
时间增量，从零开始。我正在使用 pandas 来分析物理测试的数据。
ok...下面的解决方案，因为我们不为此 ATM 提供 timedelta 支持。您也可以使用 groupby 来执行此操作，但我认为会更慢

标签： pandas time-series

【解决方案1】：

这是一种做我认为你想做的事情的方法

In [34]: df = read_csv(StringIO(data),sep='\s+')

创建一个datelike-index（这里假设你的意思是秒，需要转换成ns添加到日期）

In [35]: df['time'] = pd.to_datetime([Timestamp('20130101').value + v*1e9 for v in df['time'] ])

In [36]: df.set_index('time',inplace=True)

In [37]: df
Out[37]: 
                             value
time                              
2013-01-01 00:00:00         0.0000
2013-01-01 00:00:00.012999  0.0134
2013-01-01 00:00:00.023000  0.0256
2013-01-01 00:00:00.035000  0.0423
2013-01-01 00:00:00.048999  0.0756
2013-01-01 00:00:00.068999  0.0998

使结果符合 20ms，滚动 20 个周期，没有最小值

In [38]: pd.rolling_sum(df,20,0,freq='20ms')
Out[38]: 
                              value
time                               
2013-01-01 00:00:00         0.00670
2013-01-01 00:00:00.020000  0.04065
2013-01-01 00:00:00.040000  0.11625
2013-01-01 00:00:00.060000  0.21605

【讨论】：

为什么会被接受？这不是不规则时间的滚动总和。